01 / 这是什么

OpenAI 宣称其内部模型一次性产出数百项数学结果，但模型不公开、提示词不披露，数学界在“这是突破”和“这不可验证”之间激烈争论。

02 / 为什么值得知道

它连接现实变化，也连接考场里的判断能力。

这是一则科技新闻（《科学美国人》2026 年 10 月 6 日报道，属当日新闻而非背景补充），涉及 AI 与数学研究的交叉领域。事件的时间线大致是：一个月前，OpenAI 的模型宣称解决了纳维-斯托克斯问题——数学界最重大的未解难题之一；随后，该公司在 10 月 6 日通过 GitHub 一次性公布了同一模型的 372 项结果，声称每一项都解决或实质性推进了数学或理论计算机科学中的某个重要开放问题。公布的结果包括四维挂谷猜想（Kakeya conjecture）的解、对若干重要计算机算法的改进，以及向黎曼假设（Riemann hypothesis）的推进。 报道中的关键事实是：部分结果已在 Lean（一种能验证证明逻辑的编程语言）中通过验证，因此“几乎可以肯定正确”。但验证工具的证明正确，和数学界认可这个证明有“新颖而重要的思想”，是两件事。报道指出，数学家需要数月时间消化这些结果，判断它们究竟是真正的新想法，还是已有技术的重新组合。 争议的核心在于透明度。OpenAI 对《科学美国人》表示，新模型并未对公众开放，几乎所有结果都由一个 AI 智能体在收到一条提示词后产出——这与此前纳维-斯托克斯问题需要上万个智能体协同、花费数百万美元算力的方式形成鲜明对比。若属实，意味着强大的数学能力可能很快为普通人所用。但多名数学家对此表示怀疑。MIT 数学家 Andrew Sutherland 表示，在公司公开模型、人们能复现结果之前，这类“单智能体一次搞定”的说法都应视为未经证实，“我们应该要求看到凭据”。OpenAI 发言人也承认，部分结果可能经过多次尝试。 另一个焦点是发布规范。由于此前纳维-斯托克斯结果的发布方式引发争议，OpenAI 在 9 月 21 日宣布组建一个独立的数学家顾问小组，就如何负责任地发布 AI 生成结果提出建议。该小组建议：发布此类结果的公司应公开模型、确切的提示词以及每项结果的计算时间。但 OpenAI 只公布每个问题的平均计算时间和部分统计数据，不公布提示词；公司称会认真对待建议，但并不受其约束，同时表示正尽快、负责任地发布该模型。 报道还呈现了数学家内部的分歧。多伦多大学的 Daniel Litt 认为，公开总比保密好，“如果想知道这些数学问题的答案，我看不出有什么理由让公司保密”。而著名数学家陶哲轩（Terence Tao）则公开批评 OpenAI 等前沿实验室产出 AI 结果的速度“疯狂”。报道还提到，有些新结果连 OpenAI 自己的数学家都尚未理解。对把数学真理视为目的而非手段的研究者来说，这场竞赛的后果越来越难以预测。

03 / 背景与争议

不要只记结论，先看不同立场在争什么。

这则材料的理解难点，不在于判断 AI 是否“真的会做数学”，而在于辨析几组容易混淆的概念。 第一，形式验证 ≠ 数学价值。Lean 能检验推理链条是否符合逻辑规则，但无法判断这个证明是否提出了重要的新思想、是否值得数学家投入数年去发展。把“逻辑无误”当成“重大突破”，是阅读理解中常见的偷换。 第二，宣称 ≠ 证实。报道明确区分了“公司声称”和“已核实”：部分结果经 Lean 验证，属“几乎可以肯定正确”；而“单条提示词、单个智能体、几乎全部结果”这一说法，因模型未公开、无法复现，尚属未经证实的宣称。读这类新闻时，要留意每一句话的归属——是公司说的、是报道说的，还是数学家独立确认的。 第三，公开 ≠ 可复现。公开结果（甚至公开平均计算时间）不等于让同行能够重现。真正可复现需要模型、提示词、算力条件等关键信息；缺少这些，外部验证只能停留在对结论本身的检查上。这解释了为什么有数学家强调“要看凭据”。 第四，分歧本身值得尊重。Litt 的“公开优于保密”与陶哲轩对“疯狂速度”的批评，并不是简单的对立双方，而是对同一现象的不同忧虑：一个担心信息被囤积，一个担心信息过量且未经消化。理解这种分歧，比强行站队更重要。 第五，报道的时效性。这是 2026 年 10 月 6 日的突发新闻，原文标注“将更新”，因此文中的数字、时间表和公司态度都可能变化；使用时须写明报道日期，而不能当作截至今天的定论。

04 / 外刊英语

关键词与英文表达

  • open problem未解决的公开问题
  • replicate复现；重复验证
  • transparency透明度
  • verification验证；核实
  • skepticism怀疑态度
  • compute time计算时间（算力消耗的度量）
  • proprietary model专有模型（不对外公开的模型）
  • agentic swarm智能体集群（大量 AI 智能体协同工作）
  • unverified未经证实的
  • a major open question一个重要的开放问题
Until and unless they release the model and people can replicate their results, I think you should treat any claims about one-shotting problems with a single agent as unverified. — Andrew Sutherland, MIT（引自《科学美国人》报道）

05 / 英语阅读可能怎么考

把材料放回命题人的问题意识里。

这段材料适合训练“观点归属”和“让步与保留”类阅读能力。第一，注意报道用词中的态度层级：公司“says/claims”（声称）、结果“verified in Lean”（工具层面已核验）、而承诺则被描述为“unverified”（未经证实）——同一段里不同动词对应不同可信度，阅读理解题常在此设问。第二，注意让步结构：“If true, it would mean...”是作者对假设成立后后果的推演，不等于作者承认其为真；写作中表达谨慎评价时，可模仿这种“先承认假设、再提出条件”的句式。第三，注意引语的功能：Sutherland 的话用“Until and unless... you should treat... as unverified”构成条件句加建议，是典型的“要求证据”式论证，可用于英语议论文中提出反方论证或补充限制条件。第四，词汇迁移：replicate、transparency、verification、skepticism 属于科学传播与科研伦理的高频词块，可成组记忆，写作中用于讨论“可信度”“公开性”等话题。

06 / 语文迁移

语文阅读与作文的角度

  1. 01

    【科技进步与信任】写作时可从一个具体的信任悖论切入：AI 的能力越强、宣称越惊人，外界越需要可验证的证据；能力与信任并不自动同向增长。可用 Sutherland“我们应该要求看到凭据”作为论证支撑，但须注明这是引自报道的观点。

  2. 02

    【透明度与创新的边界】材料呈现了两种诉求的张力：企业强调竞争节奏不能放慢，研究规范则要求公开模型、提示词和计算时间。可以此为素材讨论“效率与规范如何兼容”，注意不要简单把公司写成反派，报道显示 OpenAI 也已请数学家组成独立顾问小组。

  3. 03

    【速度与消化能力】陶哲轩批评 AI 结果的产出速度“疯狂”，报道还提到连公司自己的数学家都尚未理解部分结果。这个细节可用来论证：信息的产出速度如果超过人类的消化能力，知识就可能变成堆积物而非共识。

  4. 04

    【开放与保密的权衡】Litt 认为公开总比保密好，这一立场可以用来讨论“知识应当共享还是被占有”，但要与另一组声音——对未经验证结果的忧虑——对照使用，避免单向论证。

  5. 05

    【证据意识与批判性表达】材料本身示范了科学新闻的写法：区分“声称”与“已核实”、标明引语出处、指出报道仍在更新。写作时可借鉴这种克制的表达方式，练习在表达立场的同时为自己的判断留出边界。

07 / 参考来源

继续核对，而不是停止思考。

  1. Scientific AmericanA 级来源 · 2026/10/07